多模态大语言模型视觉提示综述 Visual Prompting in Multimodal Large Language Models A Survey.pdf

下载文档

0
0
约13.48万字
约 15页
2024-10-04 发布于山西
举报
版权申诉
保障服务

多模态大语言模型视觉提示综述 Visual Prompting in Multimodal Large Language Models A Survey.pdf

1、本文档共15页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

VisualPromptinginMultimodalLargeLanguageModels:ASurvey

JundaWu1ZhehaoZhang2YuXia1XintongLi1ZhaoyangXia3AaronChang4

TongYu5SungchulKim5RyanA.Rossi5RuiyiZhang5SubrataMitra5

DimitrisN.Metaxas3LinaYao6,7JingboShang1JulianMcAuley1

1UCSanDiego2DartmouthCollege3RutgersUniversity4UCLosAngeles

5AdobeResearch6TheUniversityofNewSouthWales7CSIRO’sData61

{juw069,yux078,xil240,jshang,jmcauley}@zhehao.zhang.gr@

zx149@aaronchang21@dnm@

{tyu,sukim,ryrossi,ruizhang,sumitra}@lina.yao@data61.csiro.au

Abstractasanewparadigm,complementingtextualprompt-

ingandenablingmorefine-grainedandpixel-level

Multimodallargelanguagemodels(MLLMs)

instructionsonmultimodalinput.Sincevisual

equippre-trainedlarge-languagemodels

4(LLMs)withvisualcapabilities.Whilepromptingmethodscantakeheterogeneousforms

2textualpromptinginLLMshasbeenwidelyforvarioustasksandoftenoperateatpixel-level

0studied,visualpromptinghasemergedforgranularity,generalprompttemplatesmightnot

morefine-grainedandfree-formvisualapplytodifferentimages,makinginstance-level

pinstructions.Thispaperpresentsthefirstvisualpromptgenerationnecessary.Therefore,we

Scomprehensive

您可能关注的文档

文档评论（0）

186****0576 + 关注: 实名认证

内容提供者

该用户很懒，什么也没介绍

咨询Ta 进入空间

用户编号：5013000222000100

1亿VIP精品文档

更多 >

多模态大语言模型视觉提示综述 Visual Prompting in Multimodal Large Language Models A Survey.pdf